红外图像实时增强的新算法

针对红外图像的特点,提出了一种红外图像实时增强的新算法。该算法通过分析图像的直方图,得到图像中目标像素数峰值的估计值,并作为平台直方图均衡化的阈值。用该阈值对直方图进行修正,然后通过修正后的直方图进行直方图均衡化。在FPGA内通过采用并行处理结构及流水线技术实现了该算法,并且每秒可处理25帧128×128×8bits的红外图像。理论分析和实验结果均表明,本算法克服了采用一般直方图均衡化增强红外图像的缺点?对背景和噪声增强过度,抑制了目标的增强。该算法对红外图像增强后,图像对比度是直方图均衡化增强后图像对比度的1.8倍。  

基于背景代表色提取的迷彩伪装颜色选取算法

为了达到好的伪装效果,迷彩颜色应与背景色调相融合,以使人眼及光学仪器难以探测和分辨.因此,背景主色的准确提取是确定迷彩颜色的前提.利用灰度直方图可以确定背景图像中的主要灰度,但无法区分不同色调.而基于颜色直方图的背景主色提取方法的运算量太大.本文提出了一种基于HSI模型和量化颜色直方图的迷彩颜色选取算法.利用HSI颜色模型描述背景颜色特性,通过特殊量化方式对背景的颜色直方图进行量化,接着借助阈值方法选取背景主色作为迷彩颜色.结合迷彩伪装图案设计方法对上述迷彩颜色选取算法进行了实验分析,并通过边缘检测和相关跟踪方法对不同背景下的目标迷彩伪装效果进行了验证.  

一种基于视觉感兴趣区域的彩色图像增强方法

目的把视觉感兴趣区域概念引入直方图的建造中,提出了一种新的基于视觉感兴趣区域的图像增强方法,使增强效果更符合人眼视觉感知。方法首先在标准观测环境下利用先进的眼动仪设备获得人眼感兴趣区域,然后计算各子区域的平均显著值,以确定各个子区域的权重系数,最后采取类似直方图均衡化的思想,优化配比灰度级的动态范围。结果通过主客观实验结果表明,增强后的图像更符合人眼视觉感知。结论结合了视觉感知特性的直方图增强方法,弥补了传统直方图与人眼视觉感知不一致的弊端,其增强效果更佳。  

模糊直方图的概念及其在自然灾害风险分析中的应用

提出了模糊直方图的概念及其性质，给出了一种用信息分配手段去构造模糊直方图的方法，以实例说明了模糊直方图方法在自然灾害风险分析中的应用。  

一种微弱图像增强技术研究

对传统灰度图像直方图均衡化方法进行了深入研究,提出了一种基于正切函数调整的直方图均衡化改进算法,该方法有利于提高图像的对比度,达到对图像判别的要求。 算法实现的关键是最优参数选择,因此采用了一种便于选择最优参数的方法。 另外,将图像相似程度应用于了增强效果的评价,为图像增强的实验分析提供了新的方法,具有一定的科学性与可行性。 实验结果表明,该算法比现有的图像增强方法效果更好。  

二维直方图斜分Tsallis–Havrda–Charvát熵图像阈值分割

本文指出了现有二维直方图区域直分法中存在明显的错分,提出了二维直方图区域斜分方法,即通过与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并按灰度级与邻域平均灰度级之和的大小进行分割.该方法可以运用于所有的基于二维直方图的阈值分割.文中导出了基于二维直方图区域斜分的Tsallis–Havrda–Charvát 熵阈值选取公式及其快速递推算法,给出了分割结果和运行时间.与基于二维直方图直分的Tsallis–Havrda–Charvát 熵原始算法相比,本文提出的基于二维直方图斜分的Tsallis–Havrda–Charvát 熵阈值分割算法,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性,其运行时间减少了五个数量级.  

自适应红外图像直方图均衡增强算法

针对红外图像的特点,本文提出了一种自适应红外图像直方图均衡增强算法.该方法根据原始图像的直方图,自适应地构造出一个加权函数对原始图像的直方图进行加权处理,然后采用加权后的直方图对原始图像进行直方图均衡化.算法不需要人为指定阈值,而且克服了传统直方图均衡提升红外图像背景的缺点.实验结果表明,该算法对红外图像具有较好的增强效果,能够有效地抑制图像的背景,突出目标.  

一种基于粒子滤波的特征融合跟踪算法

针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题，本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述，而方向梯度直方图包含了一定的结构信息，二者可以互为补充，因此本文算法同时用颜色直方图和方向梯度直方图来描述目标，在粒子滤波框架下将目标颜色和梯度信息有机结合，并自适应更新。实验表明，本文算法不仅提高了跟踪精度，而且具有较强的鲁棒性。  

实验室间比对的能力验证及稳健统计技术第七讲稳健统计技术(三)

第六讲介绍了各种表格在能力验证稳健统计技术中的应用。本讲将介绍各种图形在稳健统计技术中的应用以及根据统计结果，如何评价和分析参加实验室的检测能力，最后叙述能力验证结果的利用。  

基于改进的LBP人脸识别算法

针对基本LBP算子提取的特征不够完整,不能全面地表达出人脸局部特征的问题,提出了基于分块的完备局部二值模式(CLBP)人脸识别算法。首先对原始人脸图像进行分块处理,对每一分块的图像进行局部差异值和中心像素灰度值分析,用Su2CLBP(8,2)、Mu2CLBP(8,2)和CCLBP(8,2)算子分别提取每一分块的直方图统计特征。然后将所有分块的CLBP直方图序列连接起来,得到人脸图像的CLBP特征,将其作为人脸的鉴别特征用于分类识别。最后利用Chi平方统计法计算直方图的不相似度,用最近邻准则进行分类。所提出的算法分别在ORL、FERET、YALE数据库中进行实验,分别取得了高达99.5%、92%、98.67%的识别率,与分块LBP算法相比识别率分别有2.5%、8%、2.67%的提高。实验结果表明,完备LBP提取的特征比较全面且具有较强的鉴别能力,在ORL、FERET、YALE人脸库中均能获得较好的识别率。